‘Like a Nesting Doll’: Analyzing Recursion Analogies Generated by CS Students using Large Language Models

要約

複雑なコンピューティングの概念を理解することは、新しいアイデアを馴染みのある経験や理解に定着させるのに苦労している学生にとって、しばしば課題となります。
これを助けるために、優れた例え話は、なじみのない概念と馴染みのある概念の間のギャップを埋め、理解を助ける魅力的な方法を提供します。
ただし、効果的な教育的アナロジーを作成することは、経験豊富な講師であっても困難です。
私たちは、大規模言語モデル (LLM)、特に ChatGPT が、オンデマンドで個人に関連するアナロジーへのアクセスをどの程度提供できるかを調査します。
私たちは、再帰という難しいしきい値の概念に焦点を当て、350 名を超える 1 年生のコンピューティング学生が生成した類似性を分析する調査を実施しました。
彼らにはコード スニペットが提供され、ChatGPT を使用して独自の再帰ベースのアナロジーを生成するタスクが課せられ、必要に応じてプロンプトに個人的に関連するトピックを含めることができました。
私たちは、一般的な類似とは対照的に、学生が指定したトピックで作成された類似に非常に多様性があることを観察し、LLM と協力する際の学生の創造性の価値を強調しました。
生徒たちはアクティビティを楽しみ、再帰についての理解が深まったと報告しただけでなく、個人的および文化的に関連のある例え話をより簡単に思い出すことができたと報告しました。

要約(オリジナル)

Grasping complex computing concepts often poses a challenge for students who struggle to anchor these new ideas to familiar experiences and understandings. To help with this, a good analogy can bridge the gap between unfamiliar concepts and familiar ones, providing an engaging way to aid understanding. However, creating effective educational analogies is difficult even for experienced instructors. We investigate to what extent large language models (LLMs), specifically ChatGPT, can provide access to personally relevant analogies on demand. Focusing on recursion, a challenging threshold concept, we conducted an investigation analyzing the analogies generated by more than 350 first-year computing students. They were provided with a code snippet and tasked to generate their own recursion-based analogies using ChatGPT, optionally including personally relevant topics in their prompts. We observed a great deal of diversity in the analogies produced with student-prescribed topics, in contrast to the otherwise generic analogies, highlighting the value of student creativity when working with LLMs. Not only did students enjoy the activity and report an improved understanding of recursion, but they described more easily remembering analogies that were personally and culturally relevant.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google